还原模型快照 API
编辑还原模型快照 API
编辑还原到特定快照。
请求
编辑POST _ml/anomaly_detectors/<job_id>/model_snapshots/<snapshot_id>/_revert
先决条件
编辑- 在还原到已保存的快照之前,必须关闭作业。
- 需要
manage_ml
集群特权。此特权包含在machine_learning_admin
内置角色中。
描述
编辑机器学习功能对异常输入反应迅速,学习数据中的新行为。高度异常的输入会增加模型的方差,同时系统会学习这是否是行为的新阶跃变化或一次性事件。如果已知此异常输入是一次性的,则可能适合将模型状态重置到此事件发生之前的时间。例如,您可能会考虑在黑色星期五或关键系统故障后还原到已保存的快照。
还原到快照不会更改异常检测作业的 data_counts
值,这些值不会还原到较早的状态。
路径参数
编辑-
<job_id>
- (必需,字符串)异常检测作业的标识符。
-
<snapshot_id>
-
(必需,字符串)模型快照的标识符。
您可以将
empty
指定为 <snapshot_id>。还原到empty
快照意味着异常检测作业在启动时从头开始学习新模型。
查询参数
编辑-
delete_intervening_results
-
(可选,布尔值)如果为 true,则删除最新结果和还原快照时间之间的时间段内的结果。它还会重置模型以接受此时间段的记录。默认值为 false。
如果在还原快照时选择不删除中间结果,则作业将不接受早于当前时间的输入数据。如果要重新发送数据,则删除中间结果。
请求正文
编辑您还可以在请求正文中指定 delete_intervening_results
查询参数。
示例
编辑resp = client.ml.revert_model_snapshot( job_id="low_request_rate", snapshot_id="1637092688", delete_intervening_results=True, ) print(resp)
response = client.ml.revert_model_snapshot( job_id: 'low_request_rate', snapshot_id: 1_637_092_688, body: { delete_intervening_results: true } ) puts response
const response = await client.ml.revertModelSnapshot({ job_id: "low_request_rate", snapshot_id: 1637092688, delete_intervening_results: true, }); console.log(response);
POST _ml/anomaly_detectors/low_request_rate/model_snapshots/1637092688/_revert { "delete_intervening_results": true }
操作完成后,您将收到以下结果
{ "model" : { "job_id" : "low_request_rate", "min_version" : "7.11.0", "timestamp" : 1637092688000, "description" : "State persisted due to job close at 2021-11-16T19:58:08+0000", "snapshot_id" : "1637092688", "snapshot_doc_count" : 1, "model_size_stats" : { "job_id" : "low_request_rate", "result_type" : "model_size_stats", "model_bytes" : 45200, "peak_model_bytes" : 101552, "model_bytes_exceeded" : 0, "model_bytes_memory_limit" : 11534336, "total_by_field_count" : 3, "total_over_field_count" : 0, "total_partition_field_count" : 2, "bucket_allocation_failures_count" : 0, "memory_status" : "ok", "assignment_memory_basis" : "current_model_bytes", "categorized_doc_count" : 0, "total_category_count" : 0, "frequent_category_count" : 0, "rare_category_count" : 0, "dead_category_count" : 0, "failed_category_count" : 0, "categorization_status" : "ok", "log_time" : 1637092688530, "timestamp" : 1641495600000 }, "latest_record_time_stamp" : 1641502169000, "latest_result_time_stamp" : 1641495600000, "retain" : false } }
有关这些属性的说明,请参阅获取模型快照 API。